近来,目标跟踪技术应用愈发广泛,尤其是在许多工业应用中起着不可替代的作用。为了适应复杂多变的跟踪环境,热红外摄像机也被运用到视频图像采集中。热红外图像可以补充解决可见光下的光照条件敏感问题,可见光图像又可以助力解决热红外图像中的热交叉问题。可见光摄像机采集RGB数据,热红外摄像机采集T数据,这两种模态数据提供了强大的互补信息,将“RGB+T”数据联合完成跟踪,从数据的角度来说也被称为RGB-T跟踪。在实际应用中,例如工业、社区巡逻视频分析中实时性尤其重要;而在离线视频分析中则可以首要考虑精度。本文基于RGB-T数据,以跟踪任务需求为基础,分别以跟踪实时性、跟踪精度为驱动建模。本文的主要贡献及研究内容分述如下:第一,本文提出了基于强时空关联的相关滤波跟踪算法CFSST（Correlation Filters with Strong Spatio-Temporal）,强关联由时空特征聚合模块和时空滤波器学习模块组成,CFSST模型将RGB和T特征通道集成到相关滤波器的框架中,再通过快速傅里叶变换加速运算和交替方向乘子法求解优化模型。最后,在GTOT、RGBT234和VOT-TIR2019三个当前主流的基准集上进行了跟踪性能测试,CFSST模型通过快速相关滤波算法和低维数特征实现了较高实时性跟踪。第二,本文提出了基于权重自适应的RGB-T跨模态相关滤波跟踪算法CFAMW（Correlation Filters with Adaptive Modality Weight）。首先,本文利用特征加权完成RGB和T模态的融合,提高模态共享特征的学习能力;其次,将融合模态作为辅助模态来抑制噪声模态,同时,辅助模态作为联合学习一致性的中间变量,通过交互式跨模态学习提高跟踪器的鲁棒性;然后,本文通过平均峰相关系数来设计模态权重和融合模态响应完成目标定位,以提高模型的可靠性;最后,再通过快速傅里叶变换加速运算和交替方向乘子法求解优化模型。在GTOT、RGBT234和VOT-TIR2019三个当前主流的基准集上进行了跟踪性能测试,大量实验表明和其它先进算法比较时CFAMW模型表现出了良好的竞争力。